SLAM-разработчик

Навыки

• CI/CD
• Code review
• C++
• Computer Vision
• Анализ данных
• Отладка и поиск ошибок
• Docker

О компании и продукте

• Кто мы НИОКР-команда, которая делает автономного наземного робота

Задачи

• Робот должен сам построить карту незнакомой местности, локализоваться на ней без спутниковой навигации и автономно доехать до заданных точек — в поле, в лесу, ночью, в дождь и туман
• Автономная навигация — это не фича на будущее, а ядро продукта
• И это ваша зона ответственности целиком: от сырых облаков точек до робота, который приехал в нужную точку
• Чем предстоит заниматься Поднимать и дорабатывать LiDAR-инерциальный SLAM (FAST-LIO, LIO-SAM, Point-LIO и аналоги): одометрия, замыкание циклов, оптимизация графа поз
• Собирать навигационный стек на Nav2: costmaps, глобальные и локальные планировщики, controllers, behavior trees, recovery-поведения
• Обеспечивать устойчивую локализацию без GNSS и в условиях помех
• Калибровать и синхронизировать сенсоры (LiDAR ↔ IMU ↔ камеры), настраивать TF2 и фьюжн одометрии
• Измерять качество, а не «на глаз»: собирать rosbag, считать ATE/RPE, находить причину дрейфа и устранять её
• Запускать всё это в реальном времени на одноплатных компьютерах — с ограниченным CPU и питанием
• Тестировать в лаборатории и на полигоне, фиксировать результаты, предлагать улучшения
• Настраивать CI/CD и автотесты для навигационного стека
• Обязательное ROS 2 на рабочем уровне: launch, topics/services/actions, TF2, rosbag, отладка нод
• C++ — основной язык SLAM и Nav2
• Python — для обвязки и анализа
• Практический опыт SLAM: подняли, настроили, довели до рабочей точности
• Стек любой — LiDAR или visual
• Nav2 или сопоставимый навигационный стек
• Готовность выезжать на полевые испытания — часть задач решается только в поле

Требования

• Математика на инженерном уровне: линейная алгебра, кватернионы и преобразования координат, основы оценивания (EKF или факторные графы)
• Уверенный Linux, Docker, git (ветвление, PR, code review)
• Опыт с одноплатниками: Raspberry Pi / Orange Pi / Jetson или аналоги

Будет плюсом

• Работа с конкретными LiDAR (Livox, Ouster, RoboSense, Hesai): сырые облака, компенсация движения, фильтрация
• Оптимизация графа поз: GTSAM, g2o, Ceres
• Visual / VI-SLAM, RGB-D, стереопара: RTAB-Map, ORB-SLAM, VINS
• Фьюжн одометрии: robot_localization, колёсная одометрия, обработка проскальзывания
• Симуляция и автотесты навигации: Gazebo, Isaac Sim
• Миллиметровый радар: предобработка данных, детектирование препятствий
• Видеопайплайны: RTSP, gstreamer/ffmpeg, OpenCV, YOLO-inference на edge-устройствах
• UART и другие последовательные интерфейсы, драйверы периферии
• STM32/ESP, чтение datasheet, отладка плат, осциллограф, пайка
• Автопилоты (PX4, ArduPilot), сборка и пилотирование дронов
• C++ помимо ROS, а также Go / Rust в коммерческих проектах
• Типичные задачи Поднять FAST-LIO на нашем сетапе (LiDAR + IMU), прогнать по датасету, разобраться с дрейфом на длинной траектории
• Откалибровать extrinsics LiDAR — IMU — камера и настроить синхронизацию времени
• Собрать сквозной путь на Nav2: карта
• глобальный план
• локальный контроллер
• приезд в точку с заданной точностью
• Провести испытания на площадке 200×200 м с несколькими точками интереса, замерить точность локализации и повторяемость
• Уложить SLAM-ноду в бюджет CPU и задержки на одноплатнике
• Настроить CI/CD и регрессионные тесты навигации в симуляторе
• Почему откликнуться Видимый результат: код
• на плате
• Полевые испытания уже в этом году, а не «когда-нибудь»
• Автономия — ядро продукта, а не довесок к чужой работе
• Вы владеете этой частью целиком

Условия

• Москва, офис или гибрид
• Конкурентная зарплата, обсуждается по итогам собеседования

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.